Классификация трещин в лопатках турбин на основе инфракрасной тепловизионной съёмки с использованием глубокого обучения

Неразрушающий контроль широко применяется для обнаружения и идентификации дефектов в лопатках турбин современных авиационных двигателей. Трещины в лопатках турбин могут влиять на характеристики турбины и создавать угрозу безопасности и эксплуатационному ресурсу. Поэтому для производителей оригинального оборудования крайне важно выявлять все дефекты. Теплопотоковая термография по сравнению с часто используемым капиллярным контролем позволяет повысить эффективность обнаружения дефектов в лопатках турбин; кроме того, она является бесконтактной, воспроизводимой, быстрой в применении и пригодной для автоматизации. С помощью индукционной (теплопотоковой) термографии можно обнаруживать даже подповерхностные трещины, которые не видны внешне. Однако ручная проверка термографических изображений требует значительных затрат времени. Автоматизация процедуры классификации изображений с использованием методов глубокого обучения позволяет повысить скорость и точность классификации по сравнению с ручной классификацией. Ожидается, что в среднесрочной перспективе разрабатываемое приложение на основе искусственного интеллекта (ИИ) будет поддерживать и дополнять работу высококвалифицированных и опытных специалистов по контролю. Наше решение основано на свёрточных нейронных сетях. В работе рассматриваются несколько проблем процесса обучения ИИ, включая дисбаланс данных, небольшой объём набора данных и наличие чрезвычайно малых трещин на изображениях большого размера.